Mittlerer Datenwissenschaftler in Fintech Farm

Middle Data Scientist hat über Fintech Farm Wear berichtet, ein britisches Fintech, das in Partnerschaften mit lokalen traditionellen Banken erfolgreiche Neobanken in Schwellenmärkten gründet. Unser Erfolg basiert auf erstklassigen Produkten, Kundenerlebnissen, emotionalem Engagement, viralem Marketing und fundierter Kreditentscheidungskompetenz. Einer unserer Gründer war zuvor Mitbegründer einer äußerst erfolgreichen osteuropäischen Neobank mit einem Kundenstamm von mehreren Millionen. Mit der Leobank haben wir 2021 unseren ersten Markt in Aserbaidschan eröffnet, wo wir bereits marktführende Positionen aufgebaut haben. Unser nächster Markt war Vietnam, wo wir Anfang 2023 die Liobank starteten und ebenfalls solide Anklang fanden. Wir haben für die nächsten 12 Monate einige weitere neue Märkte in der Pipeline und beginnen mit dem Aufbau des Teams dort. Warum Fintech Farm ein großartiger Ort zum Arbeiten ist Unser Ziel. Wir möchten in allen Märkten, in denen wir tätig sind, eine führende Marke für digitale Verbraucherbanken werden, um den Verbrauchern die Interaktion mit ihrem Geld zu erleichtern. Sie könnten Teil dieser aufregenden Reise sein. Unsere Kultur. Bei allem, was wir tun, hat der gesunde Menschenverstand Vorrang vor formalen Richtlinien. Wir haben keine Untergebenen, sondern sind alle Partner. Wir arbeiten mit starken Individuen zusammen, die wir stärken und denen wir vertrauen, statt sie zu verwalten. Jeder von uns denkt in großen Dimensionen, tut so, als gehöre ihm alles und akzeptiert nie ein „Nein“ als Antwort. Wir streben unermüdlich nach Exzellenz und streben danach, uns und unsere Produkte noch besser zu machen als am Tag zuvor. Wir mögen den Montag mehr als den Freitag, da wir immer auf der Suche nach neuen Herausforderungen und Möglichkeiten sind. Spannung und Begeisterung bestimmen unsere Arbeitswoche. Was Sie tun werden: Entwickeln und implementieren Sie Risikobewertungsmodelle zur Beurteilung der Kreditwürdigkeit von Kunden, einschließlich Anwendungs- und Verhaltensmodellen. Führen Sie Feature-Engineering-Prozesse durch, um die Qualität und Effizienz von Vorhersagemodellen zu verbessern. Analysieren Sie Daten, um neue Möglichkeiten und Trends zu identifizieren, die zur Verbesserung von Bewertungsmodellen genutzt werden können. Arbeiten Sie mit Entwicklungsteams und Geschäftsanalysten zusammen, um Modelle in Geschäftsprozesse zu integrieren. Überwachen und analysieren Sie die Leistung von Modellen in der Produktion und schlagen Sie Verbesserungen vor und implementieren Sie diese. Wer Sie sind: 2 bis 4 Jahre Erfahrung in Data Science, mit nachgewiesener Erfahrung in der Entwicklung von Scoring-Modellen. Fundierte Kenntnisse und praktische Erfahrung in maschinellem Lernen und statistischer Analyse. Erfahrung mit der Programmiersprache Python und Bibliotheken für Datenverarbeitung und maschinelles Lernen (z. B. Pandas, Scikit-learn, TensorFlow, PyTorch). Fähigkeiten inFeature-Engineering und Modellauswahl zur Lösung spezifischer Aufgaben. Fähigkeit, große Datenmengen zu analysieren und analytische Erkenntnisse in konkrete Maßnahmen umzusetzen. Erfahrung mit SQL und Datenbanken. Fähigkeit, unabhängig und im Team zu arbeiten sowie mit nicht-technischen Kollegen zu interagieren. Was wir bieten: Wettbewerbsfähiges Gehalt, verhandelbar, je nach Qualifikationsniveau des Kandidaten. Aktienoptionen. Wir sind noch ein Start-up und weitere Vorteile sind in Vorbereitung